研究者らは大量言語モデル（LLM）と微調整エンコーダーを、入力から名詞を削除した状態で評価した。結果、オープンウェイトLLMはMNLI（大規模自然言語推論）で名詞削除後も70–72 %の性能を保持した。一方、同じ条件でANLI（最新自然言語推論ベンチマーク）の性能は14–29 %にしか残らなかった。微調整エンコーダーはMNLIで72 %、ANLIで24 %の保持率を示し、結果は同様のパターンを示した。

評価手法として、単語クラスアブレーション（drop‑NOUN・drop‑VERB）や単語順乱序（shuffle‑n1〜n3）を用いた。名詞だけを除去したdrop‑NOUN条件が、性能維持の差を顕著に示している。表 1は、各モデルのクリーン精度と名詞削除時の相対保持率をまとめ、MNLIとANLIでの比率差を数値的に裏付けた。